论文链接：https://arxiv.org/pdf/2402.02519
文章还没细看，但主要贡献点应该是Symmetric Fusion Transformer和Bezier-based Motion Decoder.
对Bezier-based Motion Decoder比较感兴趣，之后对这块细看一下
相关推荐
张较瘦_9 小时前
[论文阅读] AI + 软件工程 | LLM救场Serverless开发！SlsReuse框架让函数复用率飙升至91%，还快了44%m0_6501082415 小时前
InstructBLIP：面向通用视觉语言模型的指令微调技术解析做cv的小昊1 天前
VLM经典论文阅读：【综述】An Introduction to Vision-Language Modelingm0_650108242 天前
PaLM-E：具身智能的多模态语言模型新范式m0_650108242 天前
PaLM：Pathways 驱动的大规模语言模型 scaling 实践小殊小殊2 天前
【论文笔记】视频RAG-Vgent：基于图结构的视频检索推理框架有点不太正常2 天前
《ShadowCoT: Cognitive Hijacking for Stealthy Reasoning Backdoors in LLMs》——论文阅读小殊小殊2 天前
【论文笔记】大型语言模型的知识蒸馏与数据集蒸馏SatoshiGogo4 天前
AIGC 论文笔记walnut_oyb4 天前
arXiv|SARLANG-1M：用于 SAR 图像理解的视觉-语言建模基准